Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

ДлинныйРецепт: Рецепт для Эффективной Обобщения Длинного Контекста в Больших Языковых Моделях
LongRecipe: Recipe for Efficient Long Context Generalization in Large Languge Models

Zhiyuan Hu, Yuliang Liu, Jinman Zhao, Suyuchen Wang, Yan Wang, Wei Shen, Qing Gu, Anh Tuan Luu, See-Kiong Ng, Zhiwei Jiang, Bryan Hooi•Aug 31, 2024•422

OD-VAE: Омни-мерный видео-кодер для улучшения латентной модели диффузии видео.
OD-VAE: An Omni-dimensional Video Compressor for Improving Latent Video Diffusion Model

Liuhan Chen, Zongjian Li, Bin Lin, Bin Zhu, Qian Wang, Shenghai Yuan, Xing Zhou, Xinghua Cheng, Li Yuan•Sep 2, 2024•142

DepthCrafter: Генерация последовательностей глубины большой длины для видеороликов в открытом мире
DepthCrafter: Generating Consistent Long Depth Sequences for Open-world Videos

Wenbo Hu, Xiangjun Gao, Xiaoyu Li, Sijie Zhao, Xiaodong Cun, Yong Zhang, Long Quan, Ying Shan•Sep 3, 2024•373

Следуйте-за-холстом: Восстановление изображений высокого разрешения в видео с обширной генерацией контента
Follow-Your-Canvas: Higher-Resolution Video Outpainting with Extensive Content Generation

Qihua Chen, Yue Ma, Hongfa Wang, Junkun Yuan, Wenzhe Zhao, Qi Tian, Hongmei Wang, Shaobo Min, Qifeng Chen, Wei Liu•Sep 2, 2024•62

Генерация видео с учетом трехмерной композиции с помощью директора LLM.
Compositional 3D-aware Video Generation with LLM Director

Hanxin Zhu, Tianyu He, Anni Tang, Junliang Guo, Zhibo Chen, Jiang Bian•Aug 31, 2024•152

VideoLLaMB: Долгосрочное понимание видео с рекуррентной памятью
VideoLLaMB: Long-context Video Understanding with Recurrent Memory Bridges

Yuxuan Wang, Cihang Xie, Yang Liu, Zilong Zheng•Sep 2, 2024•286

Точное сжатие моделей диффузии текста в изображение с помощью векторного квантования.
Accurate Compression of Text-to-Image Diffusion Models via Vector Quantization

Vage Egiazarian, Denis Kuznedelev, Anton Voronov, Ruslan Svirschevski, Michael Goin, Daniil Pavlov, Dan Alistarh, Dmitry Baranchuk•Aug 31, 2024•112

OLMoE: Открытые языковые модели на основе смеси экспертов
OLMoE: Open Mixture-of-Experts Language Models

Niklas Muennighoff, Luca Soldaini, Dirk Groeneveld, Kyle Lo, Jacob Morrison, Sewon Min, Weijia Shi, Pete Walsh, Oyvind Tafjord, Nathan Lambert, Yuling Gu, Shane Arora, Akshita Bhagia, Dustin Schwenk, David Wadden, Alexander Wettig, Binyuan Hui, Tim Dettmers, Douwe Kiela, Ali Farhadi, Noah A. Smith, Pang Wei Koh, Amanpreet Singh, Hannaneh Hajishirzi•Sep 3, 2024•804

Сеть адаптивного внимания на основе плотности: улучшение понимания признаков для расстройств психического здоровья
Density Adaptive Attention-based Speech Network: Enhancing Feature Understanding for Mental Health Disorders

Georgios Ioannides, Adrian Kieback, Aman Chadha, Aaron Elkins•Aug 31, 2024•43

PrivacyLens: Оценка осведомленности моделей языка о нормах конфиденциальности в действии
PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action

Yijia Shao, Tianshi Li, Weiyan Shi, Yanchen Liu, Diyi Yang•Aug 29, 2024•12

КонтекстЦитата: Присвоение генерации модели контексту
ContextCite: Attributing Model Generation to Context

Benjamin Cohen-Wang, Harshay Shah, Kristian Georgiev, Aleksander Madry•Sep 1, 2024•143

GenAgent: Создание Коллаборативных Систем Искусственного Интеллекта с Автоматизированным Рабочим Процессом Генерация - Исследования случаев на ComfyUI
GenAgent: Build Collaborative AI Systems with Automated Workflow Generation -- Case Studies on ComfyUI

Xiangyuan Xue, Zeyu Lu, Di Huang, Wanli Ouyang, Lei Bai•Sep 2, 2024•93

Знайте, когда объединять: исследование неанглоязычного гибридного поиска в юридической сфере.
Know When to Fuse: Investigating Non-English Hybrid Retrieval in the Legal Domain

Antoine Louis, Gijs van Dijck, Gerasimos Spanakis•Sep 2, 2024•32

Общая теория OCR: к OCR-2.0 через объединенную модель end-to-end.
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model

Haoran Wei, Chenglong Liu, Jinyue Chen, Jia Wang, Lingyu Kong, Yanming Xu, Zheng Ge, Liang Zhao, Jianjian Sun, Yuang Peng, Chunrui Han, Xiangyu Zhang•Sep 3, 2024•859

ПОТОК, Который Играет Музыку
FLUX that Plays Music

Zhengcong Fei, Mingyuan Fan, Changqian Yu, Junshi Huang•Sep 1, 2024•342

Набор данных MERIT: Моделирование и эффективное визуализирование интерпретируемых транскриптов
The MERIT Dataset: Modelling and Efficiently Rendering Interpretable Transcripts

I. de Rodrigo, A. Sanchez-Cuadrado, J. Boal, A. J. Lopez-Lopez•Aug 31, 2024•22

Ежедневные Исследовательские Статьи по ИИ

ДлинныйРецепт: Рецепт для Эффективной Обобщения Длинного Контекста в Больших Языковых Моделях
LongRecipe: Recipe for Efficient Long Context Generalization in Large Languge Models

OD-VAE: Омни-мерный видео-кодер для улучшения латентной модели диффузии видео.
OD-VAE: An Omni-dimensional Video Compressor for Improving Latent Video Diffusion Model

DepthCrafter: Генерация последовательностей глубины большой длины для видеороликов в открытом мире
DepthCrafter: Generating Consistent Long Depth Sequences for Open-world Videos

Следуйте-за-холстом: Восстановление изображений высокого разрешения в видео с обширной генерацией контента
Follow-Your-Canvas: Higher-Resolution Video Outpainting with Extensive Content Generation

Генерация видео с учетом трехмерной композиции с помощью директора LLM.
Compositional 3D-aware Video Generation with LLM Director

VideoLLaMB: Долгосрочное понимание видео с рекуррентной памятью
VideoLLaMB: Long-context Video Understanding with Recurrent Memory Bridges

Точное сжатие моделей диффузии текста в изображение с помощью векторного квантования.
Accurate Compression of Text-to-Image Diffusion Models via Vector Quantization

OLMoE: Открытые языковые модели на основе смеси экспертов
OLMoE: Open Mixture-of-Experts Language Models

LinFusion: 1 графический процессор, 1 минута, изображение 16K
LinFusion: 1 GPU, 1 Minute, 16K Image

Kvasir-VQA: Набор данных пар текст-изображение ЖКТ
Kvasir-VQA: A Text-Image Pair GI Tract Dataset

Оптимизация политики диффузии
Diffusion Policy Policy Optimization

PrivacyLens: Оценка осведомленности моделей языка о нормах конфиденциальности в действии
PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action

КонтекстЦитата: Присвоение генерации модели контексту
ContextCite: Attributing Model Generation to Context

Знайте, когда объединять: исследование неанглоязычного гибридного поиска в юридической сфере.
Know When to Fuse: Investigating Non-English Hybrid Retrieval in the Legal Domain

Общая теория OCR: к OCR-2.0 через объединенную модель end-to-end.
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model

ПОТОК, Который Играет Музыку
FLUX that Plays Music

Набор данных MERIT: Моделирование и эффективное визуализирование интерпретируемых транскриптов
The MERIT Dataset: Modelling and Efficiently Rendering Interpretable Transcripts

Support

Ежедневные Исследовательские Статьи по ИИ

ДлинныйРецепт: Рецепт для Эффективной Обобщения Длинного Контекста в Больших Языковых Моделях
LongRecipe: Recipe for Efficient Long Context Generalization in Large Languge Models

OD-VAE: Омни-мерный видео-кодер для улучшения латентной модели диффузии видео.
OD-VAE: An Omni-dimensional Video Compressor for Improving Latent Video Diffusion Model

DepthCrafter: Генерация последовательностей глубины большой длины для видеороликов в открытом мире
DepthCrafter: Generating Consistent Long Depth Sequences for Open-world Videos

Следуйте-за-холстом: Восстановление изображений высокого разрешения в видео с обширной генерацией контента
Follow-Your-Canvas: Higher-Resolution Video Outpainting with Extensive Content Generation

Генерация видео с учетом трехмерной композиции с помощью директора LLM.
Compositional 3D-aware Video Generation with LLM Director

VideoLLaMB: Долгосрочное понимание видео с рекуррентной памятью
VideoLLaMB: Long-context Video Understanding with Recurrent Memory Bridges

Точное сжатие моделей диффузии текста в изображение с помощью векторного квантования.
Accurate Compression of Text-to-Image Diffusion Models via Vector Quantization

OLMoE: Открытые языковые модели на основе смеси экспертов
OLMoE: Open Mixture-of-Experts Language Models

LinFusion: 1 графический процессор, 1 минута, изображение 16K
LinFusion: 1 GPU, 1 Minute, 16K Image

Kvasir-VQA: Набор данных пар текст-изображение ЖКТ
Kvasir-VQA: A Text-Image Pair GI Tract Dataset

Оптимизация политики диффузии
Diffusion Policy Policy Optimization

PrivacyLens: Оценка осведомленности моделей языка о нормах конфиденциальности в действии
PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action

КонтекстЦитата: Присвоение генерации модели контексту
ContextCite: Attributing Model Generation to Context

Знайте, когда объединять: исследование неанглоязычного гибридного поиска в юридической сфере.
Know When to Fuse: Investigating Non-English Hybrid Retrieval in the Legal Domain

Общая теория OCR: к OCR-2.0 через объединенную модель end-to-end.
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model

ПОТОК, Который Играет Музыку
FLUX that Plays Music

Набор данных MERIT: Моделирование и эффективное визуализирование интерпретируемых транскриптов
The MERIT Dataset: Modelling and Efficiently Rendering Interpretable Transcripts